Edgar Ledezma Zavala. A00811157. Control predictivo. 21/Ene/15

Tarea #1: INTRODUCCIÓN AL CONTROL PREDICTIVO

El control predictivo surgió a mediados de los años 70 y se ha desarrollado enormemente desde entonces.

De acuerdo con información obtenida de la página oficial de ADEX los principios de la metodología de control Adaptativo Predictivo fueron introducidos por Juan M. Martín Sánchez en su tesis doctoral en la Universidad Politécnica de Cataluña en 1974, y posteriormente en 1976 presentó una patente sobre su trabajo en control predictivo. Otros trabajos surgieron también de Richalet presentando el Model Predictive Heuristic Control (MPHC) –conocido después como Model Algorithmic Control (MAC) – y los trabajos de Cutler y Ramakter presentando la Dynamic Control Matrix (DMC).

El control predictivo basado en modelo (MPC) no designa a una estrategia de control en específico, más bien abarca una amplia gama de métodos de control en el que se hace un uso explícito del modelo de un proceso para obtener una señal de control que minimice una función o criterio deseado.

Todas estas técnicas mantienen una estructura general basado en las siguientes ideas:

Necesariamente hacen uso de un modelo para predecir las salidas futuras de un proceso (horizonte)

Calculan una secuencia de control que minimice una función o criterio deseado Operan de manera reiterativa, es decir, realiza el cálculo anterior en cada instante de tiempo,

desplazando siempre el horizonte de predicción hacia adelante.

Los diferentes algoritmos MPC solo difieren entre ellos en el modelo utilizado para representar el proceso, y en las funciones a ser minimizadas.

Este tipo de control es de una naturaleza abierta, con lo que se han desarrollado muchos trabajos sobre el mismo, y ampliamente recibido por la industria y los académicos. Existen una gran cantidad de aplicaciones del control predictivo no únicamente en la industria de procesos, sino también en aplicaciones como el control de robots o la aplicación de anestesia clínica.

El MPC presenta una serie de ventajas respecto a otros modelos, dentro de las más importantes se encuentran las siguientes:

Es atractivo para personal con poco conocimiento de la teoría de control, pues sus conceptos son bastante intuitivos, y a la vez, la sintonización de controladores es relativamente sencilla.

Puede utilizarse para controlar una gran variedad de procesos, desde aquellos con una dinámica muy simple, a aquellos complejos con tiempos muertos demasiado largos o inclusive inestables.

Se puede aplicar a sistemas multi-variables. De manera intrínseca, presenta una compensación para tiempos muertos. Introduce de manera natural un control antialimentado para perturbaciones medibles. Está basado en una metodología libre y en ciertos principios básicos, que permiten su futuro

desarrollo.

Edgar Ledezma Zavala. A00811157. Control predictivo. 21/Ene/15

Algunas de las desventajas que puede presentar es que aunque la ley de control es fácil de implementar y requiere de poco poder computacional, su obtención puede volverse más compleja que aquellas del PID del control clásico. También, si la dinámica del proceso no cambia, la obtención del controlador se puede hacer una única vez, pero en el caso del control adaptivo, estos cálculos deben de ser calculados cada periodo de muestreo, y si se trata con limitaciones, la computación requerida es mayor. Sin embargo, la mayor desventaja que puede presentar, es que se requiere un modelo del proceso bastante preciso para obtener los mejores beneficios.

Otra desventaja que puede tener, es la falta de resultados teóricos que demuestren la estabilidad o robustez del sistema, más allá de los buenos resultados obtenidos en la práctica.

En la industria donde se puede observar más fácilmente los buenos resultados del uso del control predictivo –además de las ya mencionadas anteriormente- , son aquellas de gran complejidad donde las variables a controlar son limitadas, pero aquellas que intervienen en el proceso y que no se pueden controlar son mayores.

Un ejemplo puede ser una planta de energía solar, que utiliza un colector de calor distribuido, que consiste básicamente en una línea de tuberías por las que circula aceite, y en el que la radiación solar se concentra por medio de espejos parabólicos que pueden girar en un eje para seguir la posición del sol. El objetivo de control es mantener la temperatura de salida del aceite a un nivel determinado, a pesar de las perturbaciones. La única manera de lograr esto, es variando el flujo de aceite que circula alrededor de la tubería del colector, pues las demás variables que intervienen no se pueden controlar. También se debe considerar que el sistema presenta un tiempo muerto que depende a la vez de la variable de control (el flujo de aceite), y a la vez, el modelo del sistema varia con factores como los cambios en los niveles de radiación solar causado por las nubes, la reflectividad de los espejos o la temperatura del aceite en la entrada del sistema.

Desde el punto de vista teórico, el colector solar en un sistema no lineal pero que podría aproximarse a uno si se consideran pequeñas perturbaciones. Sin embargo, mantener una temperatura constante para el aceite de salida, conforme las condiciones solares varían en el día, requieren una gran variación en el flujo de aceite que circula, que trae a su vez grandes variaciones en la dinámica del sistema, pues el tiempo muerto de la planta varía conforme se varía el flujo. Estas condiciones requieren que los parámetros del controlador sean ajustados para adaptarse a los condiciones de operación, con lo que el uso de un controlador adaptivo-predictivo, se acopla perfectamente a la aplicación.

Referencias bibliográficas.

Camacho, E. F., and C. Bordons. Model Predictive Control. London: Springer, 2004. Print.

ADEX. "Del Control Adaptativo Predictivo a ADEX." Historia. N.p., n.d. Web. 19 Jan. 2015. <http://www.adexcop.com/es/history>.

Sanchez, Juan M. "Introduction and Fundamentals of Optimized Adaptative Controllers Systems." Introduction. ADEX Optimized Adaptive Controllers and Systems: From Research to Industrial Practice. Switzerland: Springer, 2015. N. pag. Advances in Industrial Control. Web. 19 Jan. 2015.